带有奇异值裁剪的时序生成对抗网络
机器学习
2017-08-21 v3 计算机视觉与模式识别
摘要
在本文中，我们提出了一种生成模型——时序生成对抗网络（Temporal Generative Adversarial Nets, TGAN），该模型能够学习无标签视频的语义表示，并具备生成视频的能力。现有的基于生成对抗网络（Generative Adversarial Nets, GAN）的方法使用由 3D 反卷积层构成的单个生成器来生成视频，与此不同，我们的模型利用了两种不同类型的生成器：时序生成器和图像生成器。时序生成器将单个潜变量作为输入并输出一组潜变量，每个潜变量对应视频中的一个图像帧。图像生成器将这样一组潜变量转换为视频。为了应对此类高级网络在 GAN 训练中的不稳定性，我们采用了最近提出的 Wasserstein GAN 模型，并提出了一种以端到端方式稳定训练它的新方法。实验结果证明了我们方法的有效性。
引用
@article{arxiv.1611.06624,
title = {Temporal Generative Adversarial Nets with Singular Value Clipping},
author = {Masaki Saito and Eiichi Matsumoto and Shunta Saito},
journal= {arXiv preprint arXiv:1611.06624},
year = {2017}
}
备注
to appear in ICCV 2017